Tekoäly osaa tehtäväsi. Viekö se myös työpaikkasi?

Työmarkkinoilla käydään kauppaa työpaikoista, ei yksittäisistä tehtävistä. Röntgenlääkärin työhön kuuluu paljon muitakin tehtäviä kuin kuvien tulkitseminen: toimenpiteen valinta, diagnosointi, muiden lääkärien kanssa kommunikointi, erikoistuvien lääkärien koulutus, potilasturvallisuus. Mitä tapahtuu työpaikoille, kun tekoäly automatisoi osan tehtävistä, mutta ei kaikkia? 

Tekoäly automatisoi tehtäviä, ei työpaikkoja 

Vastaus riippuu siitä, kuinka helposti tekoälyn osaamat tehtävät ovat irrotettavissa muusta työnkuvasta. Röntgenlääkäri ei katso kuvia pelkästään todetakseen poikkeaman, vaan arvioi löydösten merkityksen ja suosittelee jatkotutkimuksia. Keuhkosta löytynyt kyhmy voi vaatia seurantaa, jos se on uusi, mutta ei välttämättä vaadi mitään, jos se on pysynyt vuosia muuttumattomana. Jos kuvien tulkinta automatisoidaan ja lääkäri näkee vain loppuraportin, tarpeellinen seurantakuva voi jäädä ottamatta tai potilas päätyä turhaan uusiin tutkimuksiin. Hoidon laatu heikkenee ja automaatio on tuhonnut osan palvelun arvosta. Röntgenlääkärin tehtävät ovat vahvasti sidottuna toisiinsa. Työmarkkinoilla röntgenlääkärille maksetaan edelleen koko tehtäväkokonaisuudesta. Kun tekoäly parantaa hänen tuottavuuttaan, kilpailu lääkäreistä voi siirtää osan hyödystä palkkoihin. 

Tekoäly ei vie työpaikkaa oppimalla yhden tehtävän. Työpaikka on vaarassa vasta, kun tekoäly pystyy hoitamaan kokonaisen tehtäväketjun itsenäisesti.  

Joissakin ammateissa tehtävät on helpompi erottaa toisistaan. Pankin asiakaspalvelija voi saman päivän aikana ohjata kortin käytössä, neuvoa laina-asioissa ja selvittää epäselvää maksua. Yhden tapauksen hoitaminen ei vaadi muiden tapausten tuntemista. Siksi tekoäly voi hoitaa rutiinineuvonnan alusta loppuun ilman, että palvelu kärsii. Asiakaspalvelijoita tarvitaan vähemmän, ja jäljelle jäävät hoitavat vaativimmat tapaukset. 

Näin kuvitteli ainakin maksupalveluyhtiö Klarnan toimitusjohtaja pari vuotta sitten. Klarna korvasi tekoälyllä 700 asiakaspalvelijan työn ja hekumoi miljoonasäästöillä. Vuotta myöhemmin yhtiö tunnusti palvelun laadun heikentyneen ja alkoi palkata ihmisiä takaisin. Syyn tuntee jokainen botin kanssa kehää kiertänyt: asian joutuu selittämään ihmiselle alusta, ja ajanhukka jää asiakkaan maksettavaksi. Rutiinineuvonta ja vaikeiden tapausten ratkaiseminen olivatkin saman palveluketjun vaiheita, eikä niitä voinut jakaa botin ja ihmisen kesken laadun kärsimättä. 

Nykytilaan ei kannata kuitenkaan tuudittautua. Tekoälymallit ja niitä valjastava teknologia on pian tarpeeksi edistynyttä, jotta Klarna voi toteuttaa uudistuksensa ilman peruutusta. 

Tiukastikin yhteen liittyvät tehtävät voivat teknologian kehittyessä irrota toisistaan. Vielä muutama vuosi sitten konekäännös vaati ihmisen tarkistamaan jokaisen lauseen, joten automaatiosta saatiin irti vain murto-osa. Nyt käännökset ovat joidenkin kielten välillä niin hyviä, että suuri osa käännöksistä julkaistaan kokonaan ilman ihmistä. Muutos näkyy jo tuloissa: brittikyselyssä kolmasosa kääntäjistä kertoi menettäneensä töitä tekoälylle ja puolet kertoi tulojensa laskeneen, mutta samaan aikaan vaativimpien toimeksiantojen palkkiot ovat nousseet. Ammattikunta ei katoa vaan jakautuu kahtia: Tekoäly hoitaa massatuotannon ja ihmiselle jäävät vastuuta vaativat käännökset kuten sopimukset, viranomaisasiakirjat ja turvallisuusohjeet. 

Uhkaako massatyöttömyys? Riippuu työn kysynnästä. 

Mitä tapahtuu työllisyydelle, kun ammatti hajoaa tekoälyn seurauksena? Ensin palvelun tuottaminen halpenee nopeasti, kun tekoäly hoitaa osansa lähes ilmaiseksi, ja työntekijöiden panos vapautuu ihmiselle jäävään osaan. Työllisyyden kannalta ratkaisevaa on, kasvaako kysyntä samaa tahtia. 

Ohjelmistokehityksessä kysyntä on pysynyt perässä. Tekoälymallit ovat automatisoineet ison osan ohjelmistokehittäjän työstä, ja silti ammattikunta on kasvanut. Halpa koodi voi tehdä kannattavaksi vaikkapa pienen yrityksen oman varasto- tai työvuorotyökalun. Yhä useammasta ideasta on tullut toteuttamisen arvoinen. Asiakaspalvelussa tilanne on toinen. Halpa asiakaspalvelu ei synnytä lisää valituksia. Kukaan ei soita vakuutusyhtiöönsä kymmenen kertaa useammin vain siksi, että vastaaminen halpenee. Kun kysyntä ei kasva, tuottavuuden kasvu vähentää työntekijöiden tarvetta. 

Ihmistyön kysyntä voi kasvaa myös kokonaan uusien ammattien kautta. Yli puolet Yhdysvaltojen työllisistä työskenteli vuonna 2018 ammateissa, joita ei ollut olemassa vuonna 1940. Uuden työn synty on ollut historiallisesti tärkeä vastavoima automaatiolle, mutta mikään luonnonlaki se ei ole. Jos uusi työ vaatii ennen kaikkea kielen käyttöä, päättelyä tai ongelmanratkaisua, se voi olla tekoälyn korvattavissa jo syntyessään. Internet synnytti esimerkiksi sisällöntuottajan ammatin, mutta sisällön tekemiseen tarvittiin edelleen ihminen. Tekoäly voi kyllä aluksi synnyttää työpaikkoja tuotostensa tarkistamiseen, mutta myöhemmin oppia hoitamaan tarkistuksenkin itse. 

Ainakaan lähivuosina tekoäly tuskin syrjäyttää työtä yhtä nopeasti kuin tekoälyjohtajien hurjimmat ennusteet antavat ymmärtää. Ei ole merkitystä, kuinka monta kuvaa sekunnissa tekoäly pystyy tulkitsemaan, jos ihmisen pitää kuitenkin ottaa vastuu diagnoosista, johon muut lääkärit hoitoketjussa voivat luottaa. Ihmisestä tulee tuotannon pullonkaula. Monessa asiantuntijatyössä ihmisten on jatkossakin ohjattava tekoälyä, arvioitava sen tuotoksia ja kannettava lopullinen vastuu. Nämäkin rajoitteet voivat kuitenkin siirtyä teknologian kehittyessä ja sääntelyn muuttuessa.  

Lukija voi arvioida omaa työtään kahdella kysymyksellä. Pystyykö tekoäly hoitamaan osan työstäni täysin itsenäisesti ilman, että minun tarvitsee tarkistaa lopputulosta tai palvelun laatu kärsii? Jos tuottamani palvelu halpenee, kasvaako sen kysyntä samaa tahtia? Nobelisti Hinton näki, että tekoäly oppisi kuvien luokittelutehtävän. Hän ei kysynyt, voisiko tehtävän irrottaa röntgenlääkärin työstä tai mitä kasvavalle tuotannolle tapahtuisi.  

Lähteet 

Autor, D., Chin, C., Salomons, A. & Seegmiller, B. (2024). New Frontiers: The Origins and Content of New Work, 1940–2018. The Quarterly Journal of Economics, 139(3), 1399–1465. 

Garicano, L., Li, J. & Wu, Y. (2026). Weak Bundle, Strong Bundle: How AI Redraws Job Boundaries. CEPR Discussion Paper No. 21453. 

Hinton, G. (2016). Geoff Hinton: On Radiology [video]. Machine Learning and the Market for Intelligence -konferenssi, Toronto. 

Ivanova, I. (2025, 9. toukokuuta). As Klarna Flips from AI-First to Hiring People Again, a New Landmark Survey Reveals Most AI Projects Fail to Deliver. Fortune. 

Klarna Group plc. (2026). Annual Report 2025 (Form 20-F). 

Korinek, A. (2024, 31. joulukuuta). The Economics of Transformative AI. NBER Reporter, 2024(4). 

Maricato, V., Liu, T. & He, Y. (2024, 3. heinäkuuta). The AI-Driven Future of Translation Work. Upwork Research Institute. 

McKinney, S. M., Sieniek, M., Godbole, V. ym. (2020). International Evaluation of an AI System for Breast Cancer Screening. Nature, 577, 89–94. 

Mousa, D. (2025). The Algorithm Will See You Now. Works in Progress. 

Quiroz-Gutierrez, M. (2026, 19. heinäkuuta). A Decade After the “Godfather of AI” Said Radiologists Were Obsolete, Their Salaries Are Up to $571K and Demand Is Growing Fast. Fortune. 

Society of Authors. (2024, 11. huhtikuuta). SoA Survey Reveals a Third of Translators and Quarter of Illustrators Losing Work to AI. 

U.S. Bureau of Labor Statistics. (2026, 16. heinäkuuta). Artificial Intelligence, Information Technology, and Employment, 2024–34. The Economics Daily.